一种产品需求预测方法及产品需求预测装置制造方法及图纸

本发明专利技术公开了一种产品需求预测方法，包括：根据产品阶段以及调整状态，对产品调整记录进行采样得到第一样本集，根据第一样本集建立判断模型；根据初始预测值以及修正预测值，对产品历史预测值进行采样得到第二样本集，根据第二样本集建立目标回归模型；获取当前阶段的初始预测值以及当前产品阶段；使用判断模型对当前产品阶段进行处理，确定当前调整状态；若当前调整状态为需要调整，则将当前阶段的初始预测值代入目标回归模型计算，输出当前阶段的修正预测值。本发明专利技术还提供一种可以实现上述方法的产品需求预测装置。本发明专利技术能够对现有预测结果进行优化，提高产品需求预测的准确性。

Product demand forecasting method and product demand forecasting device

The invention discloses a method of product demand prediction, including: according to the product phase and the state of adjustment, the first sample set is sampled for the product adjustment record, the judgment model is established according to the first sample set, and the second samples are sampled according to the initial forecast value and the revised forecast value. Set up the target regression model based on the second sample set; obtain the initial prediction value of the current stage and the current product stage; use the judgment model to process the current product stage to determine the current adjustment state; if the current adjustment state is needed to adjust, the initial prediction value of the current stage is replaced by the target regression model. Calculate, output the revised prediction value at the current stage. The invention also provides a product demand forecasting device which can realize the above method. The invention can optimize the existing prediction results and improve the accuracy of product demand prediction.

【技术实现步骤摘要】
一种产品需求预测方法及产品需求预测装置
本专利技术涉及人工智能
，尤其涉及一种产品需求预测方法及产品需求预测装置。
技术介绍
产品需求预测是企业经营中的关键环节，用于指导企业的生产和备货。过大的产品需求预测会导致库存量过多，库存成本风险增加。过小的需求预测会导致订单满足率不高，客户满意度下降。随着数据科学的发展以及企业对数据的重视程度越来越高，许多企业开始使用大数据相关的技术进行产品需求预测。产品需求预测方法包括时间序列预测法、多元回归分析法等，需求预测模型包括自回归积分滑动平均模型(AutoregressiveIntegratedMovingAverageModel，简称ARIMA)、岭回归模型(也称为Ridge回归模型)等。在现有技术中，产品需求的预测方法大致如下：根据产品需求的历史数据(如产品历史订单)建立时间序列模型；根据产品需求的预测因子(如季节性、天气、预测因子相关系数、促销活动影响等)建立回归模型；通过模拟器分别对时间序列模型以及回归模型进行评估；根据评估结果，使用贝叶斯集成方法将时间序列模型和回归模型合并，输出预测结果，如图1所示。现有的需求预测方法依赖于已知的有规律的预测因子，当已知的预测因子出现两次以上，才能进行有效估计。然而，现有的需求预测模型考虑的预测因子有限，还有很多隐含的预测因子没有加入需求预测模型，在实际应用中隐含的预测因子对需求影响很大，因此预测结果与实际需求往往有较大出入，预测准确率不高。
技术实现思路
本专利技术提供了一种产品需求预测方法及产品需求预测装置，能够提高预测准确率。第一方面提供了一种产品需求预测方法，包括：产品需求预测装置根据第一样本属性，对产品调整记录进行采样得到第一样本集，根据第一样本集建立判断模型；根据第二样本属性，对产品历史预测值进行采样得到第二样本集，根据第二样本集建立目标回归模型；获取待处理数据，待处理数据包括当前阶段的初始预测值以及当前产品阶段；使用判断模型对当前产品阶段进行处理，确定当前调整状态；若当前调整状态为需要调整，则将当前阶段的初始预测值代入目标回归模型计算，输出当前阶段的修正预测值，当前阶段的修正预测值用于制定当前阶段的生产计划；若当前调整状态为不需要调整，则输出当前阶段的初始预测值。其中，第一样本属性包括产品阶段以及调整状态，第二样本属性包括初始预测值以及修正预测值，产品阶段为产品生命周期中的一个阶段。由此可见，修正预测值为业务专家结合产品阶段，将专家经验进行训练得到改良的需求预测模型，相比于现有产品需求预测系统，本专利技术实施例中改良预测模型考虑的预测因子更多，因此使用本专利技术提供的产品需求预测方法能够提高预测精度。在一种可能的实现方式中，产品需求预测装置根据第一样本集建立判断模型具体可以通过以下方式实现：产品需求预测装置从第一样本集中选取第一训练集，将第一训练集进行训练得到判断模型，判断模型为逻辑回归模型、决策树模型或随机森林模型。本专利技术实施例可以选取第一样本集中的全部或部分样本建立多种判断模型，然后利用判断模型对产品需求进行预测，可见本专利技术实施例具有良好的灵活性。在另一种可能的实现方式中，产品需求预测装置可以从第一样本集中选取第一测试集，利用第一测试集对判断模型进行测试得到第一测试结果，将第一测试结果与调整状态的历史数据进行比较得到第一预测准确率；当第一预测准确率不小于第一预设阈值时，执行使用判断模型对当前产品阶段进行处理，确定当前调整状态的步骤。本专利技术实施例可以对判断模型进行测试，当判断模型具有良好的准确率时，才使用判断模型进行预测，从而保证产品需求预测结果的准确性。进一步的，在另一种可能的实现方式中，产品需求预测装置使用判断模型对当前产品阶段进行处理，确定当前调整状态具体可以通过以下方式实现：产品需求预测装置使用判断模型对当前产品阶段以及当前阶段的业务专家信息进行处理，确定当前调整状态。产品调整记录包括业务专家信息的历史数据，第一样本属性还包括业务专家信息，待处理数据包括当前阶段的业务专家信息。业务专家对产品预测结果有显著影响，本专利技术实施例将业务专家作为判断模型的输入参数，能够体现业务专家在产品需求预测方法的影响，能够进一步提高预测的准确性。在另一种可能的实现方式中，产品需求预测装置使用判断模型对当前产品阶段进行处理，确定当前调整状态具体可以通过以下方式实现：产品需求预测装置使用判断模型对当前产品阶段以及当前阶段的产品供应信息进行处理，确定当前调整状态。产品调整记录包括产品供应信息的历史数据，第一样本属性还包括产品供应信息，待处理数据包括当前阶段的产品供应信息，产品供应信息包括货期、供应地点或供应商数量中的至少一项。本专利技术实施例将产品供应信息作为判断模型的输入参数，能够体现产品供应信息在产品需求预测方法的影响，能够进一步提高预测的准确性。进一步的，在另一种可能的实现方式中，产品需求预测装置根据第二样本集建立目标回归模型具体可以通过以下方式实现：产品需求预测装置从第二样本集中选取第二训练集，将第二训练集进行训练得到目标回归模型。本专利技术实施例可以选取第二样本集中全部或部分样本建立目标回归模型。进一步的，在另一种可能的实现方式中，产品需求预测装置还可以从第二样本集中选取第二测试集，利用第二测试集对目标回归模型进行测试得到第二测试结果，计算第二测试结果与历史订单量的偏移量，根据偏移量确定第二预测准确率；当第二预测准确率不小于第二预设阈值时，产品需求预测装置执行将当前阶段的初始预测值代入目标回归模型计算，输出当前阶段的修正预测值的步骤。本专利技术实施例可以对目标回归模型进行测试，当目标回归模型具有良好的准确率时，才使用目标回归模型进行预测，从而保证产品需求预测结果的准确性。在另一种可能的实现方式中，在将当前阶段的初始预测值代入目标回归模型计算，输出当前阶段的修正预测值之后，产品需求预测装置还可以将当前产品阶段、当前调整状态、当前阶段的初始预测值以及当前阶段的修正预测值记录在数据库中。第二方面提供一种产品需求预测装置，能够实现第一方面的产品需求预测方法。该功能可以通过硬件实现，也可以通过硬件执行相应的软件实现。从以上实施例可以看出，本专利技术具有以下优点：产品需求预测装置可以对产品调整记录进行采样得到第一样本集，根据第一样本集建立判断模型；对产品历史预测值进行采样得到第二样本集，根据第二样本集建立目标回归模型；使用判断模型对当前产品阶段进行处理，确定当前调整状态；若当前调整状态为需要调整，则将当前阶段的初始预测值代入目标回归模型计算，输出当前阶段的修正预测值；若当前调整状态为不需要调整，则输出当前阶段的初始预测值。本专利技术可以通过不规律的产品相关信息(如产品阶段)建立判断模型和目标回归模型，然后利用判断模型和目标回归模型对现有预测结果进行优化，使预测结果更加接近实际产品需求，从而提高产品需求预测的准确性。附图说明图1为现有技术中产品需求预测方法的一个示意图；图2为本专利技术实施例中产品需求预测方法的一个流程示意图；图3为本专利技术实施例中产品需求预测方法的另一个流程示意图；图4为本专利技术实施例中产品需求预测方法的另一个流程示意图；图5为本专利技术实施例中产品需求预测装置的一个示意图；图6为本专利技术实施例中产品需求预测装置的另一个示意图；图7为本专利技术实施本文档来自技高网...

【技术保护点】
一种产品需求预测方法，其特征在于，包括：根据第一样本属性，对产品调整记录进行采样得到第一样本集，根据所述第一样本集建立判断模型，所述第一样本属性包括产品阶段以及调整状态；根据第二样本属性，对产品历史预测值进行采样得到第二样本集，根据所述第二样本集建立目标回归模型，所述第二样本属性包括初始预测值以及修正预测值；获取待处理数据，所述待处理数据包括当前阶段的初始预测值以及当前产品阶段；使用所述判断模型对所述当前产品阶段进行处理，确定当前调整状态；若所述当前调整状态为需要调整，则将所述当前阶段的初始预测值代入所述目标回归模型计算，输出当前阶段的修正预测值，所述当前阶段的修正预测值用于制定当前阶段的生产计划；若所述当前调整状态为不需要调整，则输出所述当前阶段的初始预测值。

【技术特征摘要】
1.一种产品需求预测方法，其特征在于，包括：根据第一样本属性，对产品调整记录进行采样得到第一样本集，根据所述第一样本集建立判断模型，所述第一样本属性包括产品阶段以及调整状态；根据第二样本属性，对产品历史预测值进行采样得到第二样本集，根据所述第二样本集建立目标回归模型，所述第二样本属性包括初始预测值以及修正预测值；获取待处理数据，所述待处理数据包括当前阶段的初始预测值以及当前产品阶段；使用所述判断模型对所述当前产品阶段进行处理，确定当前调整状态；若所述当前调整状态为需要调整，则将所述当前阶段的初始预测值代入所述目标回归模型计算，输出当前阶段的修正预测值，所述当前阶段的修正预测值用于制定当前阶段的生产计划；若所述当前调整状态为不需要调整，则输出所述当前阶段的初始预测值。2.根据权利要求1所述的方法，其特征在于，所述根据所述第一样本集建立判断模型包括：从所述第一样本集中选取第一训练集，将所述第一训练集进行训练得到判断模型，所述判断模型为逻辑回归模型、决策树模型或随机森林模型。3.根据权利要求2所述的方法，其特征在于，在所述使用所述判断模型对所述当前产品阶段进行处理，确定当前调整状态之前，所述方法还包括：从所述第一样本集中选取第一测试集，利用所述第一测试集对所述判断模型进行测试得到第一测试结果，将所述第一测试结果与调整状态的历史数据进行比较得到第一预测准确率；当所述第一预测准确率不小于第一预设阈值时，执行所述使用所述判断模型对所述当前产品阶段进行处理，确定当前调整状态的步骤。4.根据权利要求2所述的方法，其特征在于，所述产品调整记录包括业务专家信息的历史数据，所述第一样本属性还包括业务专家信息，所述待处理数据包括当前阶段的业务专家信息；所述使用所述判断模型对所述当前产品阶段进行处理，确定当前调整状态包括：使用所述判断模型对所述当前产品阶段以及当前阶段的业务专家信息进行处理，确定当前调整状态。5.根据权利要求2所述的方法，其特征在于，所述产品调整记录包括产品供应信息的历史数据，所述第一样本属性还包括产品供应信息，所述待处理数据包括当前阶段的产品供应信息，所述产品供应信息包括货期、供应地点或供应商数量中的至少一项；所述使用所述判断模型对所述当前产品阶段进行处理，确定当前调整状态包括：使用所述判断模型对所述当前产品阶段以及当前阶段的产品供应信息进行处理，确定当前调整状态。6.根据权利要求1至5中任一项所述的方法，其特征在于，所述根据所述第二样本集建立目标回归模型包括：从所述第二样本集中选取第二训练集，将所述第二训练集进行训练得到目标回归模型。7.根据权利要求6所述的方法，其特征在于，在所述将所述当前阶段的初始预测值代入所述目标回归模型计算，输出当前阶段的修正预测值之前，所述方法还包括：从所述第二样本集中选取第二测试集，利用所述第二测试集对所述目标回归模型进行测试得到第二测试结果，计算所述第二测试结果与历史订单量的偏移量，根据所述偏移量确定第二预测准确率；当所述第二预测准确率不小于第二预设阈值时，执行所述将所述当前阶段的初始预测值代入所述目标回归模型计算，输出当前阶段的修正预测值的步骤。8.根据权利要求6所述的方法，其特征在于，在所述将所述当前阶段的初始预测值代入所述目标回归模型计算，输出当前阶段的修正预测值之后，所述方法还包括：将所述当前产品阶段、所述当前调...

【专利技术属性】
技术研发人员：陈新杰，赵志洪，齐泉，
申请(专利权)人：华为技术有限公司，
类型：发明
国别省市：广东,44